1.3.5.6 马尔科夫链

马尔可夫链过渡矩阵P以及在状态p的概率分布：

• 0 <= P[i,j] <= 1：从状态i变化到j的概率
• 过度规则： $p{new} = P^T p{old}$
• all(sum(P, axis=1) == 1), p.sum() == 1: 正态化写一个脚本产生五种状态，并且：

• 构建一个随机矩阵，正态化每一行，以便它是过度矩阵。
• 从一个随机（正态化）概率分布p开始，并且进行50步=> p_50
• 计算稳定分布：P.T的特征值为1的特征向量（在数字上最接近1）=> p_stationary

记住正态化向量 - 我并没有…

• 检查一下 p_50 和 p_stationary是否等于公差1e-5

工具箱：np.random.rand、 .dot()、np.linalg.eig、reductions、abs()、argmin、comparisons、all、np.linalg.norm等。

答案：Python源文件